فیلم آموزشی روش های پیش پردازش داده ها در داده کاوی (به زبان فارسی)

در بسیاری از رشته های علمی و فنی، در نهایت ما با مجموعه ای از داده ها روبرو هستیم که حجم کم یا زیادی را دارند؛ اما مهم ترین کار، به دست آوردن چنین پایگاه داده ای نیست. بلکه باید بتوانیم، سطح بالاتری از دانش را با توجه به پایگاه داده مذکور به دست بیاوریم؛ این یعنی نتیجه گیری و جمع بندی تمام تلاش هایی که برای جمع آوری آن داده ها صرف شده است.

اکثر دانشمندان و محققین سرشناس هر رشته علمی یا فنی، در کنار عامل خلاقیت و تخصص، یک ویژگی مشترک و بسیار مهم دارند، و آن نتیجه گیری های مهمی است که از مشاهدات و داده های جمع آوری شده ارائه کرده اند. در رشته های مختلف علمی، نظریه های بسیار مهمی که با مطالعات میدانی به دست آمده اند، همگی دارای این مولفه مشترک هستند: به دست آوردن قواعد و قوانینی که توضیحی فشرده و مفهومی از داده های در دسترس را ارائه می دهند. این عملیات، و مجموعه دیگری از کارهای مرتبط با آن، موضوع بحث یکی از زیر شاخه های مشترک علوم کامپیوتر و آمار، به نام داده کاوی یا Data Mining است. فرآیند کلی استخراج دانش از داده، معنای عام تری از داده کاوی را در بر دارد که به Knowledge Discovery from Data یا KDD معروف است.

در فیلم آموزشی روش های پیش پردازش داده ها برای شروع فرایند داده کاوی مورد بررسی واقع شده اند. برای نتیجه گیری بهتر از بسیاری از الگوریتم های داده کاوی، لازم است تغییرات و یا اصلاحاتی بر روی داده های خام انجام شوند، تا کیفیت الگوها و قواعد کاوش شده از داده ها، به بیشترین حد ممکن افزایش یابد.

عناوین مهم ترین سرفصل های مهم مورد بحث در این فیلم آموزشی در ادامه آمده است:

• مروری بر لزوم پیش پردازش و آماده سازی داده ها
• روش های پاک سازی داده ها یا Data Cleaning
• پاک سازی داده های آلوده به نویز یا Noisy Data
• برخورد با داده های ناموجود یا Missing Data
• روش های تجمیع داده ها یا Data Integration
• روش های کاهش داده ها یا Data Reduction
• کاهش ابعاد یا Dimensionality Reduction
• کاهش تعداد یا Numerosity reduction
• فشرده سازی داده ها یا Data Compression
• روش های تبدیل داده ها یا Data Transformation
• هموار سازی یا Smoothing
• استخراج ویژگی یا Feature Extraction
• نرمال سازی یا Normalization
• و ده ها مبحث دیگر ...

مدرس: مهندس سیدمصطفی کلامی هریس